F1 점수

정밀도 & 재현율(25번) 의 조화평균. 하나만 높이고 다른 쪽을 희생시키는 모델을 걸러냅니다:

$F_1 = \frac{2 \cdot P \cdot R}{P + R} = \frac{2 \, TP}{2 \, TP + FP + FN}$

왜 산술평균이 아니라 조화평균?

조화평균은 작은 값에 끌려갑니다:

• $P = 0.99$, $R = 0.01$ → 산술 $0.50$ , F1 $0.02$
• $P = R = 0.5$ → 산술 $0.5$, F1 $0.5$

즉 F1은 "둘 다 괜찮을 때만 높게" — 한쪽 극단 모델이 좋게 보이는 걸 방지.

과제

함수 f1_score(y_pred, y_true) 를 완성하세요.

• 이진 분류 0/1.
• 반환: Python float.
• P + R == 0 일 때 0.0 반환으로 방어.

테스트 케이스